Best Practices

Empfohlene Ansätze für die Einführung von ScreenPlay in neuen oder bestehenden UIAutomation-Workflows und Praktiken, um sie schnell und effizient zu halten.

Empfohlene Ansätze für die Einführung von ScreenPlay, egal ob Sie es in bestehende UI Automation-Workflows integrieren oder neue Agent-gesteuerte Automatisierungen erstellen, und um diese Automatisierungen schnell und effizient zu halten, sobald sie in großem Umfang ausgeführt werden.

Wo ScreenPlay in einer Automatisierung gehört

ScreenPlay wurde entwickelt, um an bestimmten, kritischen Punkten mit hohem Reibungsgrad zu arbeiten, auch als kontrollierte Szenarien bezeichnet, die kleine, kritische Automatisierungsbereiche darstellen, in denen herkömmliche Tools am meisten gefährdet sind. Anstatt ganze Workflows zu ersetzen, bringt ScreenPlay die agentische Ausführung dahin, wo sie am meisten benötigt wird:

• Spröde Selektoren, die leicht kaputt gehen.
• Komplexe UI-Strukturen und dynamische Elemente.
• Schwer zugängliche UI-Elemente wie Popups, virtualisierte Listen, eingebettete Tabellen oder benutzerdefinierte Steuerelemente.

Das Corollar ist genauso wichtig. Bei der Unattended-Automatisierung müssen Sie einer Ausführung vertrauen, die Sie nicht beobachten, und die deterministischen Teile eines Workflows sind die einzigen Teile, die sich jedes Mal identisch verhalten. Sie sind auch die schnellsten und kostengünstigsten in der Ausführung, wodurch sie über Tausenden von Ausführungen ausgeführt werden können.

Das Ziel ist ein maximal deterministischer, minimal agentischer Workflow: klassische UI-Automatisierung, bei der die Oberfläche stabil und die Schritte bekannt sind, und ScreenPlay, bei dem die agentische Ausführung die einzige Möglichkeit ist, den geschäftlichen Bedarf zuverlässig zu erfüllen.

Erste Schritte

Je nach Kontext sind folgende Pfade verfügbar.

Aktualisierung von problematischen Automatisierungen

Sie können mithilfe von ScreenPlay-Aktivitäten die problematischen Schritte Ihrer aktuellen UI-Automatisierung korrigieren, z. B.:

• Selektoren, die wiederholt fehlschlagen.
• Automatisierungen, die nach UI-Änderungen unterbrochen werden.
• Übermäßig komplexe Logik, die für einfache Aufgaben geschrieben wurde.

Sie können die Aktionen definieren, die Sie über Prompt in natürlicher Sprache anstelle von zerbrechlichen Selektoren oder langer, benutzerdefinierter Logik verwenden. Dadurch wird die Entwicklung vereinfacht und Ihre Automatisierung im Laufe der Zeit robuster.

Erstellen einer Automatisierung von Grund auf granular

Wenn Sie eine UIAutomation von Grund auf neu starten, können Sie sie vollständig mit ScreenPlay granular erstellen.

Jede ScreenPlay-Aktivität sollte einem kleinen, gut definierten Schritt in Ihrem Prozess entsprechen, idealerweise zwei oder drei Schritte, die natürlich zusammengehören.

Dieser granulare Ansatz hat folgende Vorteile:

• Maximiert die Genauigkeit.
• Damit bleibt der Agent fokussiert.
• Verhindert die Überladung des Modells mit zu viel Kontext.

Sie können ein der Komplexität der einzelnen Schritte entsprechendes KI-Modell auswählen, um Kosteneffizienz und Funktionalität in Einklang zu bringen.

Erstellen mit einem Codierungs-Agent

Sie können die Automatisierung auch mit einem KI-Codierungsagenten erstellen, indem Sie die UiPath Agent-Fähigkeiten verwenden, die dem Agent beibringen, wie UiPath-Automatisierungen in Ihrer Entwicklungsumgebung erstellt, ausgeführt, getestet und bereitgestellt werden. Den Katalog und die Installationsanweisungen finden Sie im Repository für UiPath Agent Skills.

Die Autorenfähigkeiten konzentrieren sich auf das Generieren von RPA, daher ist das, was der Codierungsagent erzeugt, standardmäßig deterministisch, was der gewünschten Basis entspricht. Der empfohlene Ansatz besteht darin, den generierten Workflow zu überprüfen und ScreenPlay-Aktivitäten an den Stellen hinzuzufügen, an denen der agentische Ansatz erforderlich ist.

Diese Ergänzungen sollten bewusst und wenige sein. Jeder ist ein Ort, an dem das Verhalten nicht mehr garantiert ist und an dem die Ausführungszeit und der Token-Verbrauch zunehmen.

Entwurf für Geschwindigkeit und Kosten in großem Maßstab

Eine Automatisierung, die einige Male pro Tag ausgeführt wird, und eine, die Tausende von Malen läuft, haben sehr unterschiedliche Verschlüsselungsschlüssel. Die folgenden Methoden reduzieren die Latenz und den Token-Verbrauch, ohne die Zuverlässigkeit zu beeinträchtigen.

Die agentische Oberfläche wird klein gehalten

Dies ist die Entscheidung mit der höchsten Wirkung, die zur Entwurfszeit getroffen wird, anstatt anschließend optimiert zu werden. Jeder Schritt, der deterministisch ausgedrückt werden kann, ist ein Schritt, der keinen Modellaufruf kostet, keine Latenz hinzufügt und nicht zwischen den Ausführungen variieren kann.

Die deterministische Basis steht an erster Stelle, wobei agentische Schritte nur dort hinzugefügt werden, wo sie ihren Platz finden.

Auswählen des richtigen Modells für jeden Schritt

Die Modelle, die in der Dropdownliste Modell verfügbar sind, werden gleichzeitig immer schneller und leistungsfähiger, sodass Geschwindigkeit und Qualität viel geringer sind als früher.

Da jede ScreenPlay-Aktivität eine eigene Modellauswahl hat, können Sie das Modell an die Schwierigkeiten des Schritts anpassen: ein schnelles Modell der Stufe Basic für Routineinteraktionen und ein Modell der Standardstufe für die Schritte, die wirklich mehr Argumentation erfordern. Die vollständige Liste der verfügbaren Modelle finden Sie unter ScreenPlay.

Wenn Ihre Automatisierung auf einem älteren Modell basiert hat, ist das Überprüfen der Auswahl eine der kostengünstigesten verfügbaren Geschwindigkeitsverbesserungen.

Zusammenführen mehrerer Aktionen auf demselben Bildschirm

Der agentische Dienst ScreenPlay kann mehrere Aktionen auf demselben Bildschirm in einem einzigen Batch ausführen, anstatt eine Aktion pro Modellaufruf. Weniger Modell-Runtimes bedeuten eine geringere End-to-End-Latenz, und der Unterschied ist am sichtbarsten auf Bildschirmen mit hoher Aktionsdichte wie langen Formularen.

Dies ist nicht das Standardverhalten. Standardmäßig führt der Connector eine Aktion nach dem anderen aus, und die Batch-Verarbeitung erfolgt nur, wenn der Aufgaben-Prompt explizit dazu auffordert. Der Trace berücksichtigt diese Hinweise, wenn die Aktionen auf denselben Bildschirm abzielen.

Zum Beispiel, anstatt:

Fill in the customer details form.

verwenden Sie:

Fill in the customer details form. Fill in all the fields visible on the screen in one go, then submit.

Batching gilt nur für Aktionen, die auf dem aktuell sichtbaren Bildschirm ausgeführt werden können. Schritte, die eine Navigation, einen Seitenübergang oder eine Anwendungsänderung erfordern, werden weiterhin sequenziell ausgeführt, da das Modell den neuen Bildschirm beobachten muss, bevor es entscheidet, was als Nächstes zu tun ist.

Wann die Optimierung beendet werden sollte

Die reine Optimierung der Ausführungszeit und des Token-Verbrauchs können Sie zu deterministischen Implementierungen treiben, die zerbrechlich und teuer in der Aufrechterhaltung sind. Ein Workflow mit hohem Selektor, der bei jeder kleineren Änderung der Benutzeroberfläche unterbrochen wird, kann im Laufe seiner Lebensdauer mehr kosten als die eingesparten Token.

Healing Agent verkleinert diese Lücke, schließt sie aber nicht. Die Wiederherstellungsstrategien sind in einem definierten und begrenzten Satz enthalten und funktionieren alle auf der Ebene der erneuten Identifizierung eines Zielelements für eine bereits vorhandene Aktivität:

• Geänderte Selektorattribute.
• Zeitpunkt.
• Ankerposition.
• AppCard-Titel.
• Das Fallback für den semantischen Selektor zur Entwurfszeit.

Healing Agent wendet auch KI-basierte Strategien für Folgendes an:

• Popups, die das Zielelement blockieren.
• Semantisch umformulierte Beschriftungen.
• Computer Vision.

Dadurch wird ein großer Teil der alltäglichen UI-D enthaltent, kann aber keine Änderungen in der Interaktion selbst übernehmen, wie z. B. ein neues Bestätigungsdialogfeld, ein neu angeordneter Satz von Bildschirmen, ein Feld, das in einen anderen Schritt verschoben wird, oder ein Fluss, der jetzt eine andere Sequence erfordert der Aktionen.

Das Aktivieren von Healing Agent ist kein Ersatz für das gute Design des Workflows und hält eine empfindliche deterministische Implementierung nicht unbegrenzt am Laufen.

Für die Teile einer Anwendung, in denen Sie diese Art von Änderung erwarten, ist ScreenPlay die bessere Antwort. Wenn Sie das Ergebnis in natürlicher Sprache beschreiben und den Agent die Interaktion zur Runtime ausarbeiten lassen, entfällt für diese Schritte der Wartungsaufwand auf Kosten des Modellaufrufs. Die Entscheidung, welche Schritte diese Behandlung wert sind, sollte im Laufe der Entwicklung der Zielanwendungen noch einmal aufgerufen werden.